基于隐语义模型的交通信号优化方法技术

本发明专利技术公开了一种基于隐语义模型的交通信号优化方法，该方法利用隐语义模型在推荐系统中处理不确定性因素的优势，将交通状态类比为用户，将配时方案类比为物品，将交通指标(如延时)类比为评分。该方法包括：预处理数据；将交通状态和配时方案映射到隐语义空间；训练交通状态对配时方案的评分预测模型；预测评分并选择最佳配时方案；实际应用配时方案并反馈交通信息。本发明专利技术方法简单易行，能处理传统控制策略不能很好处理、但实际存在且影响较大的不确定性因素，无需精确对难以准确量化的不确定性因素建模，所以具有很好的普适性和较少约束，可作为传统策略的补充和优化。

【技术实现步骤摘要】
基于隐语义模型的交通信号优化方法
本专利技术涉及交通信号控制、信息处理和数据挖掘等
，更具体地，涉及一种基于隐语义模型的交通信号优化方法。
技术介绍
城市机动车保有量的不断增长，导致很多城市问题，如交通拥堵、环境污染、交通事故等。单纯依赖于增建交通基础设施，如扩张道路等，既耗财较大，又需面对楼房拆迁和城市已有规划等现实问题。交通信号控制已在实践中被证明是一种有效的缓解交通问题的方式，主要通过给各种复杂多变的路况提供实时的配时方案来实现。理论研究上的交通信号控制，试图分析实际交通环境中的各种可能影响交通状况的因素，通过理想化或假设性建模，用数学语言描述尽可能贴近实际的交通环境，进一步预测下一时段的路况，以提前配置出合适的红绿灯配时方案，以尽可能的减轻交通拥堵。基于理论研究，目前的交通信号控制策略可大致分为定时控制、感应控制、智能控制等；但受限于实际交通环境的复杂性和随机性等，实际应用中以初级的定时控制策略为主。而导致其复杂性、随机性等的主要因素，就是实际交通环境中有大量的不确定性因素，这些因素难以用数学语言准确建模、甚至有相当一部分不确定因素无法建模，这就导致理论上的理想化假设在本文档来自技高网...

【技术保护点】
一种基于隐语义模型的交通信号优化方法，包括以下步骤：选定相关交通指标，为评分建模；为基本交通状态和配时方案建模；结合实际交通情况，考虑交通状态和配时方案本身特性，进一步细化精确所述评分预测模型；利用数据库的数据和优化方法，从机器学习的角度训练所述评分预测模型的参数，以得到交通状态对配时方案的评分预测公式参数；利用得到的所述评分预测公式参数，结合所述评分预测模型，预测交通状态对未使用过的配时方案的评分；对比得到的所述最佳配时方案和该交通状态历史使用过的配时方案，得出最终最优配时方案。

【技术特征摘要】
1.一种基于隐语义模型的交通信号优化方法，其特征在于，包括以下步骤：步骤S1：选定相关交通指标，为评分建模；步骤S2：为基本交通状态和配时方案建模，包括以下步骤：将交通状态和配时方案以向量的形式映射到隐语义空间，用数学语言表述为：qt∈Rf，ps∈Rf，其中，向量qt表示配时方案，向量ps表示交通状态，f表示交通状态和配时方案之间相互作用的不确定性因素；步骤S3：结合实际交通情况，考虑交通状态和配时方案本身特性，进一步细化精确评分预测模型；步骤S4：利用数据库的数据和优化方法，从机器学习的角度训练所述评分预测模型的参数，以得到交通状态对配时方案的评分预测公式参数；步骤S5：利用得到的所述评分预测公式参数，结合所述评分预测模型，预测交通状态对未使用过的配时方案的评分，得到最佳配时方案；步骤S6：对比得到的所述最佳配时方案和该交通状态历史使用过的配时方案，得出最终最优配时方案。2.根据权利要求1所述的基于隐语义模型的交通信号优化方法，其中所述数据库的数据是通过技术采集，或者通过交管局获取；以及所述数据库中的配时方案是通过采集得到，或者由经典算法生成。3.根据权利要求1所述的基于隐语义模型的交通信号优化方法，其中步骤S1中作为评分的交通指标，选取延时作为评分。4.根据权利要求1所述的基于隐语义模型的交通信号优化方法，其中步骤S3中所述进一步细化精确评分预测模型的步骤包括：用公式表达交通状态和配时方案存在的偏置评分为：bst＝u+bs+bt，由此，最终的评分预测模型为其中，为预测评分结果，bst表示偏置评分，u表示平均评分，bs和bt分别表示交通状态和配时方案本身打分或被打分偏离平局分u的程度，向量qt表示配时方案，向量ps表示交通状态。5.根据权利要求1所述的基于隐语义模型的交通信号优化方法，其中步骤S4中所述利用数据库的数据和优化方法，从机器学习的角度训练所述评分预测模型的参数，以得到交通状态对配时方案的评分预测公式参数的步骤进一步包括：步骤S41：整理提取出数据库中的交通状态、配时方案和相应评分都均在...

【专利技术属性】
技术研发人员：王飞跃，赵一飞，吕宜生，朱凤华，
申请(专利权)人：中国科学院自动化研究所，
类型：发明
国别省市：北京;11